BriefGPT - AI 论文速递
·
激光粉末床熔合中的缺陷和异常检测的原位红外相机监测：校准、数据映射和特征提取
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过生成性深度学习模型，实现了低保真度模拟信息向高保真度对应物的映射，无需多次高保真度模拟分析。通过二维扩散模型展示了熔化过程的关键度量，并在低保真度输入数据的基础上预测了熔池深度，降低了分析时间。
🎯
关键要点
- 开发了基于概率扩散框架的生成性深度学习模型。
- 实现了低保真度模拟信息向高保真度对应物的映射。
- 无需进行多次高保真度模拟分析，使用轻量级粗网格模拟替代。
- 通过二维扩散模型展示了熔化过程的关键度量。
- 保持了真实模拟数据与扩散模型输出之间的温度场、熔池尺寸和关键孔变异性。
- 在低保真度输入数据基础上预测了3微米的熔池深度。
- 分析时间比高保真度模拟降低了两个数量级。
➡️
